4  Déplacements pour le motif commerce

4.1 Proposition de méthode

L’évaluation des flux effectifs de mobilité professionnelle quotidienne repose sur la disponibilité d’une matrice origine destination très riche, disponible pour chaque année de recensement au niveau intercommunal, décrivant donc les flux de mobilité professionnelle quotidienne usuelle¹ pour toute la France. Cette information est également disponible pour les mobilités scolaires. En revanche, pour les autres motifs de déplacement, on ne dispose pas de quelque chose d’équivalent. En particulier, le motif commerce est plus complexe à appréhender parce que les lieux de commerces sont nombreux, bien plus nombreux que les lieux d’étude ou de travail. Or le motif commerce est un élément important des mobilités. Le ?tbl-emp donne les valeurs agrégées moyenne pour un adulte en France hors Ile de France. Le motif « courses » représente 15% des kilomètres parcourus.

¹ Et donc sans information de fréquence.

Aire attraction 200-700k
km par personne par an
	par actif	par adulte
	travail	travail	etudes	courses	autres	total
km
très dense	5 922 [5 244, 6 750]	2 744 [2 406, 3 172]	885 [710, 1 100]	1 136 [971, 1 323]	2 166 [1 818, 2 575]	6 950 [6 394, 7 610]
densité intermédiaire	8 334 [7 062, 9 708]	4 084 [3 417, 4 799]	1 395 [965, 1 928]	1 736 [1 390, 2 083]	3 049 [2 523, 3 604]	10 265 [9 319, 11 340]
peu dense	9 952 [8 814, 11 102]	5 407 [4 687, 6 170]	1 827 [1 478, 2 238]	1 895 [1 576, 2 228]	4 178 [3 509, 5 068]	13 335 [12 266, 14 397]
très peu dense	11 135 [6 326, 15 620]	6 445 [3 478, 9 257]	3 225 [1 612, 5 145]	1 408 [763, 2 276]	1 870 [617, 3 521]	12 990 [9 998, 16 644]
total	7 929 [7 345, 8 547]	3 918 [3 616, 4 273]	1 334 [1 152, 1 539]	1 503 [1 366, 1 659]	2 963 [2 681, 3 308]	9 731 [9 270, 10 233]
relatif
très dense	1 [1, 1]	1 [1, 1]	1 [1, 1]	1 [1, 1]	1 [1, 1]	1 [1, 1]
densité intermédiaire	1.4 [1.1, 1.7]	1.5 [1.2, 1.8]	1.6 [1, 2.3]	1.5 [1.2, 1.9]	1.4 [1.1, 1.8]	1.5 [1.3, 1.7]
peu dense	1.7 [1.4, 2]	2 [1.6, 2.4]	2.1 [1.5, 2.8]	1.7 [1.3, 2.1]	1.9 [1.5, 2.5]	1.9 [1.7, 2.1]
très peu dense	1.9 [1.1, 2.6]	2.3 [1.2, 3.5]	3.6 [1.6, 6.3]	1.3 [0.66, 2.1]	0.89 [0.28, 1.7]	1.9 [1.4, 2.4]
total	1.3 [1.2, 1.5]	1.4 [1.3, 1.6]	1.5 [1.3, 1.9]	1.3 [1.2, 1.5]	1.4 [1.2, 1.6]	1.4 [1.3, 1.5]
Source : EMP 2019, 11.5M adultes (AGE>=18) dans la zone 3k observations dans EMP19 512 répétitions de rééchantillonage entre crochets : intervalle de confiance à 95%

L’enquête EMC² donne une information construite sur le même schéma d’enquête. On peut dnc la comparer avec l’enquête nationale. Le (tbl_emc2?) est construit comme pour l’EMP. Ce tableau est encore en construction, et nous devons affiner l’utilisation des pondérations. D’autre part, il ne concerne que les jours de semaine, nous n’avons pas intégrer la base pour les week-ends. D’autres vérifications sont nécessaires. A ce stade, notre exploitation de l’EMC² montre moins de kilomètres parcourus dans la métropole d’Aix Marseille Provence.

Tableau 4.1: Enquête certifiée CEREMA (EMC²), Aix Marseille Provence

Metropole Aix-Marseille-Provence
km par personne par an
	par actif	par adulte
	travail	travail	etudes	courses	autres	total
km
très dense	4 438 [4 253, 4 586]	1 960 [1 869, 2 035]	1 287 [1 222, 1 361]	973 [927, 1 019]	1 195 [1 149, 1 251]	5 420 [5 305, 5 532]
densité intermédiaire	2 906 [2 669, 3 132]	1 408 [1 287, 1 519]	871 [775, 984]	832 [758, 907]	735 [664, 811]	3 852 [3 665, 4 031]
peu dense	2 305 [1 614, 3 097]	1 024 [696, 1 409]	1 510 [792, 2 459]	761 [509, 1 043]	635 [431, 857]	3 941 [3 110, 4 953]
très peu dense	4 021 [419, 8 168]	1 673 [105, 3 886]	248 [0, 642]	21 [0, 1 162]	355 [2.2, 837]	2 662 [1 012, 4 733]
total	4 063 [3 915, 4 195]	1 833 [1 762, 1 894]	1 201 [1 145, 1 259]	941 [901, 980]	1 092 [1 053, 1 135]	5 067 [4 968, 5 171]
relatif
très dense	1 [1, 1]	1 [1, 1]	1 [1, 1]	1 [1, 1]	1 [1, 1]	1 [1, 1]
densité intermédiaire	0.66 [0.6, 0.71]	0.72 [0.65, 0.79]	0.68 [0.59, 0.77]	0.85 [0.77, 0.96]	0.61 [0.55, 0.68]	0.71 [0.67, 0.75]
peu dense	0.52 [0.36, 0.7]	0.52 [0.35, 0.73]	1.2 [0.61, 1.9]	0.79 [0.53, 1.1]	0.53 [0.36, 0.71]	0.73 [0.57, 0.91]
très peu dense	0.9 [0.094, 1.8]	0.85 [0.054, 2]	0.2 [0, 0.5]	0.022 [0, 1.2]	0.29 [0.0019, 0.71]	0.49 [0.19, 0.88]
total	0.92 [0.9, 0.93]	0.94 [0.92, 0.95]	0.93 [0.91, 0.95]	0.97 [0.95, 0.99]	0.91 [0.9, 0.93]	0.94 [0.93, 0.94]
Source : EMP2 2019-2020, 1.5M adultes (age>=18) dans la zone 19.2k observations dans EMP19 512 répétitions de rééchantillonage entre crochets : intervalle de confiance à 95%

L’enquête mobilité certifiée CEREMA (EMC²) délivre une information de location assez fine. Elle correspond peu ou prou à la définition de l’IRIS figure 4.1. Cette information permet donc pour d’autres motifs que le motif professionnel de construire une matrice origine destination, c’est-à-dire une information comparable à la donnée du recensement MOPBRO. Il existe cependant une nuance importante, l’EMC² repose sur un échantillon représentatif mais pas exhaustif. Or, pour construire une matrice origine destination détaillée au niveau le plus fin, il faudrait un échantillon bien plus important. En revanche pour des découpages moins fins (14 zones comme dans le découpage D10 AOTU) ou encore des découpages « fonctionnels », reposant sur la caractérisation des zones par la surface de commerce. C’est sur cette base que nous proposons d’ajuster un modèle de trajets effectifs semblable à MEAPS pour les mobilités professionnelles.

Figure 4.1: Subdivisions de l’EMC²

1. La première étape est d’identifier les opportunités. Une des difficultés est la versalité des motifs commerciaux associés à la grande quantité de commerces disponibles sur le territoire. En première approche, nous proposons d’agréger les surfaces commerciales pour chaque carreau en utilisant la pondération des sous-motifs de commerce issus de l’EMC² pour constuire une attractivité commerciale moyenne qui tient à la fois compte de la part du sous motif dans le motif « course » et de la fréquence de ce sous motif dans une semaine type.
   La source des fichiers fonciers donne une information fine sur les secteurs (code NAF à 5 caractères) dans lequel on peut distinguer un commerce de chaussure d’une pharmacie, une superette d’une grande surface alimentaire.
   Le rôle de la surface commerciale dans cette attractivité moyenne est encore à définir. Il est envisageable de raffiner en déclinant ces pondérations suivant un zonage géographique ou fonctionnel (fonction de la densité par exemple) et donc en produisant des couches agrégées de commerces pour des types de ménages identifiés.

   Tableau 4.2: Fréquence des sous motifs de commerce, EMC²

   sous-motif	fréquence
   grand magasin, supermarché, hypermarché et leurs galeries marchandes	33.4
   marché couvert et de plein vent	4.1
   petit et moyen commerce et "drive in"	59.2
   centre_commercial	2.4
   achats_internet	0.8
   Source : EMC2

2. La seconde étape est de générer les flux entre les résidents et l’attractivité commerciale moyenne localisée construite au 1.

3. Ce flux peut être ensuite agrégé pour reproduire les matrices origines destinations construite à partir de l’EMC². Ces matrices peuvent être sur une base géographique (D10 AOTU) ou encore fonctionnelle (densité de résidents, catégorie d’individus, densité de commerce par exemple). En paramétrisant MEAPS avec peu de paramètres on peut alors ajuster pour retrouver les flux et utiliser le modèle pour l’intrapolation.

   Un point de vigilance est que les contraintes aux marges (chaque emploi est occupé par un actif et un seul) conduisent à produire des flux proche des données et que dans le cas des commerces on sera dans un problème non contraint. Ceci peut en partie être traité par une matrice origine destination à un niveau géographique peu détaillé.

Les deux cartes suivantes illustrent l’information que l’on peut tirer de l’EMC². Possiblement, nous pourrons estimer un modèle économétrique intérmédiaire permettant de générer les flux partant d’une zone ou arrivant dans une zone.

Figure 4.2: Provenance des visiteurs des commerces de Cabries Plan de Campagne

Figure 4.3: Destinations commerciales des résidents de la Torse

4.2 Références bibliographiques